Case Study: KI-Inventar für Online-Händler mit 12 erfassten KI-Systemen

Von «wir nutzen ein bisschen KI» zu 12 erfassten Systemen. Bei CHF 8'000 weniger Toolkosten pro Jahr.

Kundenname auf Wunsch anonymisiert.

Branche

Online-Handel / E-Commerce

Grösse

ca. 35 Mitarbeitende

Standort

Ostschweiz

Von «wir nutzen ein bisschen KI» zu 12 erfassten Systemen. Bei CHF 8'000 weniger Toolkosten pro Jahr.

Kundenname auf Wunsch anonymisiert.

Branche

Online-Handel / E-Commerce

Grösse

ca. 35 Mitarbeitende

Standort

Ostschweiz

Ausgangslage

Der Kunde ist ein Schweizer Online-Händler mit rund 35 Mitarbeitenden, spezialisiert auf Büro- und Verbrauchsmaterial im B2B-Bereich. Die Kunden sind überwiegend KMU in der Deutschschweiz. Das Geschäft läuft gut, die Margen sind dünn, und Effizienz ist das, was den Unterschied macht.

Niemand in diesem Unternehmen hätte gesagt, dass sie «KI einsetzen». Sie nutzten einfach Tools, die halt KI drin hatten. Die Marketing-Leiterin nutzte KI-basierte Tools für Produktempfehlungen im Shop und für die Optimierung der Google-Ads-Kampagnen. Der Einkauf arbeitete mit einer Bedarfsprognose im ERP-System, die "irgendwann mal aktiviert worden" war. Im Kundenservice lief ein Chatbot, der einfache Anfragen beantwortet. Und ChatGPT wurde von fast allen genutzt, für alles Mögliche. Unkontrolliert, ohne Freigabe, ohne KI Governance. Shadow AI im Alltag.

Der Geschäftsführer wusste, dass KI im Einsatz ist. Er wusste aber nicht, wie viel, und er hatte das Gefühl, dass Geld ausgegeben wird, ohne dass jemand den Überblick hat. Er wollte KI gezielter einsetzen, speziell in der Logistik und im Einkauf. Aber bevor er in neue Tools investiert, wollte er wissen, was eigentlich schon da ist.

Ein weiterer Grund, den Überblick zu schaffen: Einige der genutzten Tools könnten je nach Einsatz unter den EU AI Act fallen.

Was den Kunden zu uns gebracht hat

Es war keine regulatorische Sorge. Der Geschäftsführer wollte Ordnung. Er hatte im letzten Quartal drei neue Tool-Abos genehmigt, die alle "KI-gestützt" waren, und konnte nicht beurteilen, ob die einen Mehrwert bringen oder sich mit bestehenden Tools überschneiden. Seine Frage: Was haben wir, was davon bringt etwas, und wo investieren wir als Nächstes?

Was wir gemacht haben

Wir haben eine Bestandsaufnahme aller Systeme mit KI-Komponenten durchgeführt. Bei 35 Mitarbeitenden dauerte das zwei Tage: Gespräche mit den Teamverantwortlichen, eine Analyse der eingesetzten Software und ein Blick in die Abokosten.

Das Ergebnis hat den Geschäftsführer überrascht. 12 Systeme mit KI-Komponenten. Neben den fünf, die er kannte, fanden wir unter anderem: das Buchhaltungstool mit automatischer Belegzuordnung, das Lagerverwaltungssystem mit einer Nachschuboptimierung, ein Plugin im Shopsystem für dynamische Preisanpassungen, die E-Mail-Marketing-Software mit KI-basierter Versandzeitoptimierung und Send-Time-Prediction, und das HR-Tool, das Bewerbungen automatisch vorsortiert.

Für jedes System haben wir erfasst: Was tut es genau, welche Daten verarbeitet es, was kostet es, wer ist verantwortlich, und wo liegen die Risiken. Alles in einer Excel-Tabelle, die der IT-Verantwortliche (der in diesem Fall auch der Geschäftsführer war) selbst aktuell halten kann.

Dabei fielen drei Sachen auf, die keiner erwartet hatte.

Das Plugin für dynamische Preisanpassungen änderte automatisch Verkaufspreise basierend auf Nachfrage und Wettbewerberpreisen. Kein Mitarbeitender prüfte die Anpassungen regelmässig. In einem Fall hatte das Plugin einen Preis um 40% gesenkt, weil ein Wettbewerber ein Auslaufprodukt verramscht hatte. Das war erst nach zwei Wochen aufgefallen.

Die Bedarfsprognose im ERP war seit anderthalb Jahren aktiv, aber niemand hatte die Prognosequalität jemals überprüft. Der Einkaufsleiter verliess sich auf die Vorschläge, ohne zu wissen, wie gut sie tatsächlich sind. Er bestellte im Grunde auf Basis einer Blackbox.

Und ChatGPT wurde im Kundenservice genutzt, um Reklamationsantworten zu formulieren. Dabei wurden teilweise Kundennamen, Bestellnummern und Adressdaten in die Prompts kopiert. Personendaten in einem US-Cloud-Dienst, ohne Dokumentation. Ein klarer Verstoss gegen das Schweizer DSG und die DSGVO.

Was das gebracht hat

Nach drei Wochen hatte der Geschäftsführer einen vollständigen Überblick. 12 Systeme dokumentiert, mit Kosten, Verantwortlichkeiten und Risikobewertung.

Die drei Probleme wurden direkt gelöst. Für das Pricing-Plugin wurde ein wöchentlicher Review eingeführt und eine Regel gesetzt, die Preisänderungen über 15% zur manuellen Freigabe markiert. Für die ERP-Prognose wurde ein monatlicher Abgleich zwischen Prognose und tatsächlichem Bedarf eingeführt, der nach drei Monaten zeigte, dass die Prognose bei zwei Warengruppen systematisch zu hoch lag. Und für den Kundenservice wurde eine Regel eingeführt, dass keine Kundendaten in ChatGPT eingegeben werden. Als übergreifende Massnahme wurde eine KI-Richtlinie eingeführt, die regelt, welche Tools für welche Prozesse freigegeben sind und wie mit Personendaten umzugehen ist.

Der Geschäftsführer konnte danach gezielt entscheiden, wo er weiter investiert. Statt drei neue Tools zu kaufen, hat er eines der bestehenden Tools besser konfiguriert, ein unnötiges Abo gekündigt und nur ein neues Tool angeschafft, das tatsächlich eine Lücke schloss. Die jährlichen Tool-Kosten sanken um rund CHF 8'000, obwohl die KI-Nutzung insgesamt stieg.

Projektdauer: 3 Wochen | Aufwand: ca. 6 Beratertage | Durchgeführt von Navigant